Stalactite
Фреймворк для вертикального федеративного обучения
Преимущества
Безопасность обмена за счёт шифрования данных
Удобный интерфейс
Гибкость и масшатибуемость
Возможности
Удобство отладки и мониторинга
Stalactite интегрируется с инструментами MLFlow
и Prometheus
Интеграция с различными алгоритмами
От простых моделей до современных нейросетевых подходов
Поддержка различных режимов выполнения
Stalactite позволяет запускать обучение в многопоточном, многопроцессном и распределённом режимах
Защита данных
Реализована поддержка гомоморфного шифрования, обеспечивающего безопасность и конфиденциальность данных во время обучения
Как работает Stalactite?
Stalactite создаёт виртуальную среду, в которой несколько независимых участников могут совместно обучать модель, не раскрывая друг другу исходные данные
Это достигается за счёт:
- — Поддержки гомоморфного шифрования, обеспечивающего защиту данных
- — Использования gRPC и Protobuf для эффективного обмена информацией
- — Разделения вычислений между узлами, хранящими данные
Статья о Stalactite опубликована на Demo Track научной конференции RecSys 2024 (A)
В статье объясняем, как Stalactite позволяет обучать модели на «разобранном пазле» данных, не нарушая конфиденциальность
Перейти к статье
